30 Términos de IA que todo directivo debe conocer

Sistema de IA que percibe su entorno, razona y ejecuta acciones de forma autónoma para alcanzar un objetivo.

A diferencia de un chatbot que solo responde, un agente IA puede encadenar pasos: consultar una base de datos, redactar un email, actualizar un CRM y enviar una notificación, todo sin intervención humana. AizuaLabs despliega agentes especializados por vertical de negocio.

Instrucción o mensaje que se envía a un modelo de IA para obtener una respuesta o acción.

El prompt es la 'orden' que le das al modelo. En producción empresarial, el prompt suele ser un texto largo y estructurado (system prompt) que define el rol, el tono, las restricciones y el contexto del agente. La calidad del prompt determina en gran medida la calidad del resultado.

Unidad mínima de texto que procesa un LLM. Equivale aproximadamente a 0,75 palabras en inglés o 0,6 en español.

Los LLMs cobran por tokens procesados. Conocer el consumo de tokens de tu agente ayuda a predecir costes. Un email típico son ~300 tokens; una conversación de soporte al cliente, ~2.000 tokens. AizuaLabs optimiza los prompts para reducir consumo sin perder calidad.

Uso de sistemas de inteligencia artificial para ejecutar tareas repetitivas o complejas sin intervención humana constante.

Va más allá de la automatización RPA (robótica de procesos) porque el sistema puede entender contexto, tomar decisiones y adaptarse a variaciones. Ejemplos: clasificar y responder emails, procesar facturas, cualificar leads, generar informes mensuales.

Sistema de conversación automática. En su versión tradicional, sigue árboles de decisión; en su versión IA, usa LLMs para responder en lenguaje natural.

Los chatbots clásicos son rígidos: si la pregunta no encaja en su árbol, fallan. Los chatbots basados en LLMs entienden intención y pueden responder preguntas no previstas. Un agente IA es un chatbot que además puede ejecutar acciones (buscar pedidos, crear tickets, enviar emails).

Tipo de inteligencia artificial capaz de crear contenido nuevo: texto, imágenes, código, audio o vídeo.

Los LLMs son el ejemplo más conocido. A diferencia de la IA discriminativa (que clasifica o predice), la IA generativa produce outputs originales. En el contexto empresarial, se usa para redactar emails, generar informes, crear contenido de marketing o automatizar respuestas al cliente.

Large Language Model. Modelo de lenguaje de gran tamaño entrenado para entender y generar texto en lenguaje natural.

GPT-4, Claude o Gemini son LLMs. Se entrenan con billones de tokens de texto y aprenden patrones del lenguaje humano. Las empresas los usan como 'cerebro' de sus agentes IA, conectándolos con sus propios datos y sistemas.

Proceso de entrenar adicionalmente un modelo preentrenado con datos específicos de un dominio o empresa.

Permite que el modelo aprenda el vocabulario, los procesos y el estilo de tu empresa. Es más costoso que RAG pero produce modelos muy especializados. En la mayoría de casos de PYME, RAG ofrece mejor relación coste-beneficio que el fine-tuning.

Cantidad máxima de texto (en tokens) que un modelo puede procesar en una sola llamada.

Claude 3.5 tiene 200.000 tokens de contexto; GPT-4o tiene 128.000. Un contexto amplio permite al agente recordar conversaciones largas, analizar documentos completos o trabajar con múltiples fuentes a la vez. Es un factor clave al elegir modelo.

Parámetro que controla la aleatoriedad de las respuestas de un LLM. Valores bajos = más determinista; valores altos = más creativo.

Temperatura 0 siempre elige la respuesta más probable (ideal para agentes de soporte o datos). Temperatura 0.7-1.0 produce respuestas más variadas (útil para generación de contenido). Los agentes de negocio suelen configurarse con temperatura baja para ser predecibles.

LLM capaz de procesar varios tipos de datos: texto, imágenes, audio, vídeo o código.

GPT-4o, Claude 3.5 Sonnet y Gemini 1.5 son multimodales. Permiten analizar facturas escaneadas, describir imágenes de productos o transcribir llamadas de audio. Para agentes empresariales, la capacidad de visión es clave en procesos documentales.

Retrieval-Augmented Generation. Técnica que combina un LLM con búsqueda en documentos propios para responder con información actualizada y verificable.

En lugar de depender solo del conocimiento del modelo (que tiene fecha de corte), RAG busca primero en tu base de conocimiento (manuales, contratos, FAQs) y luego el LLM formula la respuesta. Reduce alucinaciones y permite que el agente tenga 'memoria' de tu empresa.

Instrucción de sistema que define el comportamiento, rol y restricciones de un agente IA antes de cualquier conversación.

Es la 'constitución' del agente. Incluye quién es (nombre, empresa, sector), cómo debe hablar (tono, idioma), qué puede y no puede hacer, y cómo escalar situaciones complejas. AizuaLabs redacta y optimiza el system prompt para cada cliente.

Representación numérica (vectorial) del significado de un texto, usada para comparar semántica entre documentos.

Cuando un agente busca en tu base de conocimiento, convierte cada fragmento de texto en un vector numérico. Al recibir una pregunta, la convierte también en vector y busca los fragmentos más similares semánticamente. Es el motor de búsqueda detrás de RAG.

Capacidad de un LLM para invocar funciones externas (APIs, bases de datos) como parte de su razonamiento.

El modelo decide cuándo y cómo llamar a una herramienta. Ejemplo: el agente recibe 'cuánto tardará mi pedido' → llama a la API de tracking con el número de pedido → interpreta la respuesta → responde al usuario. Sin tool calling, el agente solo puede generar texto.

Disciplina de diseñar y optimizar instrucciones para obtener los mejores resultados de un modelo de IA.

Incluye técnicas como few-shot prompting (dar ejemplos), chain-of-thought (pedir razonamiento paso a paso), role prompting (asignar un rol al modelo) y retrieval augmentation. Es una habilidad crítica para construir agentes de producción fiables.

Técnica de incluir ejemplos de entrada-salida en el prompt para guiar al modelo hacia el formato o estilo deseado.

En lugar de explicar qué hacer, muestras al modelo cómo hacerlo con 2-5 ejemplos. Es especialmente útil para tareas con formato específico (clasificar emails por tipo, extraer datos de facturas, generar respuestas con estructura fija).

Técnica que pide al modelo que 'piense paso a paso' antes de dar una respuesta, mejorando la precisión en tareas complejas.

Se activa con frases como 'razona paso a paso' o 'explica tu proceso antes de responder'. Mejora significativamente el rendimiento en problemas de lógica, matemáticas o análisis multi-paso. Algunos modelos lo hacen internamente (reasoning models como o1 o Claude 3.5).

Base de datos especializada en almacenar y buscar embeddings de manera eficiente.

Pinecone, Weaviate, pgvector (PostgreSQL) son ejemplos. Permiten buscar 'lo más parecido semánticamente' entre millones de fragmentos en milisegundos. Es la pieza de infraestructura que hace posible el RAG a escala.

Application Programming Interface. Interfaz que permite que dos sistemas de software se comuniquen entre sí.

Los agentes IA acceden a datos y servicios a través de APIs: la API de tu CRM para leer clientes, la API de tu ERP para consultar stock, la API de Stripe para verificar pagos. Sin integración API, el agente solo puede generar texto, no actuar.

Mecanismo por el que un sistema envía datos a otro en tiempo real cuando ocurre un evento.

Cuando un cliente hace una compra en tu tienda, Stripe envía un webhook a tu agente IA con los datos del pedido. El agente puede entonces enviar un email de bienvenida, crear una tarea en el CRM y notificar a logística. Es la base de los flujos de automatización en tiempo real.

Fenómeno por el que un LLM genera información falsa o inventada con aparente confianza.

Es el principal riesgo de los sistemas de IA en producción. Se mitiga con RAG (el modelo responde basado en fuentes reales), con validación de respuestas y con supervisión humana. AizuaLabs diseña agentes con guardrails que reducen la probabilidad de alucinación.

Restricciones y filtros que limitan el comportamiento de un agente IA para evitar respuestas dañinas o fuera de scope.

Un agente de atención al cliente con guardrails no responderá sobre política o religión, no inventará precios y escalará a un humano cuando detecte insatisfacción. Son la diferencia entre un chatbot que 'va por libre' y uno que actúa como empleado de tu empresa.

API oficial de Meta para integrar WhatsApp en sistemas de negocio y automatizar conversaciones a escala.

Permite enviar y recibir mensajes de WhatsApp desde plataformas externas. Es la base del WhatsApp Sales Bot de AizuaLabs. Requiere aprobación de Meta y un número de teléfono dedicado. El coste incluye tarifa de conversación (~€0,04-0,13 por conversación según tipo).

Componente que coordina múltiples agentes IA o herramientas para completar tareas complejas.

En un sistema multi-agente, el orquestador recibe la tarea, decide qué agente o herramienta usar en cada paso y combina los resultados. Por ejemplo: un agente de ventas orquesta una búsqueda en el CRM, una consulta al catálogo de productos y la redacción de un presupuesto personalizado.

Agente IA especializado en un sector o función de negocio específica, con conocimiento y flujos adaptados a ese dominio.

Un agente vertical de inmobiliaria entiende el vocabulario del sector, sabe cualificar según si el cliente busca compra o alquiler, y conoce los pasos del proceso de venta inmobiliaria. Es más efectivo que un agente genérico porque sus respuestas y acciones están ajustadas a la realidad del sector.

Extracción de texto de imágenes o PDFs usando modelos de visión, con comprensión semántica del contenido.

Los modelos de visión modernos no solo leen caracteres (OCR clásico) sino que entienden el contexto: saben si un número es un precio, una fecha o un código de producto. AizuaLabs usa esto en el Agente Contable para procesar facturas escaneadas automáticamente.

Tiempo que tarda un agente IA en procesar una entrada y devolver una respuesta.

En aplicaciones de chat empresarial, latencias de 1-3 segundos son aceptables. Para flujos de automatización en background (procesar facturas, generar informes nocturnos), la latencia no es crítica. La elección de modelo y la longitud del prompt impactan directamente en la latencia.

Software as a Service basado en inteligencia artificial. Servicio de IA accesible bajo suscripción mensual, sin gestión de infraestructura.

El modelo de AizuaLabs es SaaS: el cliente paga una cuota mensual y recibe el agente configurado, operativo y mantenido. No necesita servidores propios, ni equipo técnico. El proveedor (AizuaLabs) gestiona los LLMs, las integraciones y las actualizaciones.

Programa de ayudas del Gobierno de España para digitalizar pymes y autónomos, con bonos de hasta 29.000 €.

Dentro del Kit Digital existen categorías compatibles con soluciones de IA: 'Inteligencia Artificial y Analítica' (hasta 6.000 €), 'Comunicaciones Seguras' y 'Gestión de Clientes'. AizuaLabs acompaña a empresas en la solicitud de estas ayudas como parte del servicio de consultoría.